‘Deep learning’ para ayudar a barrer la basura espacial

En la tarde del 22 de septiembre de este mismo 2020, el Centro de Control de Vuelos de la Agencia Espacial rusa, Roscosmos, lanzó la alerta. La Estación Espacial Internacional entraba en la llamada 'zona roja' y existía el peligro de que la nave colisionara con basura espacial. La vida de los tres tripulantes de la EEI corría peligro, así que tuvieron que efectuar con urgencia una maniobra elusiva.

El espacio exterior se está convirtiendo en un auténtico “vertedero de chatarra”. La ESA calcula que más de 34.000 objetos orbitan la Tierra a una velocidad de 28.000 km/h. Son restos de antiguos satélites en desuso o de los cohetes que los propulsaron. Es necesario retirarlos para no poner de nuevo en peligro ninguna expedición espacial.

La ESA encargó a la startup suiza ClearSpace el diseño y desarrollo del primer “robot barrendero del espacio”. Es el encargado de recuperar los restos de un viejo cohete que la ESA empleó en 2013 para transportar varios satélites. El objetivo es recuperar en 2025 la Vespa Upper Part, un adaptador de carga útil que formaba parte del cohete Vega, que orbita a 660 kilómetros sobre la Tierra.

IA para poder reconocer objetos en el “vacío”

Pero ¿cómo saber con precisión cuál es el ángulo de rotación y traslación de cualquier objeto que orbita en “vacío absoluto” del espacio exterior? ¿Cómo saber con precisión el ángulo en el que debe desplegarse el brazo robótico del ClearSpace para recuperar “la basura tecnológica”?¿Cómo reconocerá el robot el objeto que tiene que recoger?

“Para conseguirlo tenemos que desarrollar algoritmos de aprendizaje profundo para conocer de manera precisa la postura 6D (tres rotaciones y tres traslaciones) del objetivo a partir de secuencias de vídeo tomadas en el espacio” dice Mathieu Salzmann, el científico que encabeza el proyecto desde el Laboratorio de Visión Computadora de EPFL.

Hay que tener en cuenta que el robot tendrá que trabajar en el espacio, en tiempo real y con una potencia informática limitada a bordo del satélite de ClearSpace. Los algoritmos deben de ser tan complejos como para “hacer frente de forma autónoma a todas las incertidumbres que surjan en la misión. Su implementación requiere exprimir todos los recursos de la plataforma", señala David Atienza, jefe del Laboratorio de Sistemas Integrados de EPFL

Pero existe otro problema: nadie ha vuelto a ver la vieja Vespa desde hace 7 años. Entonces tenía unos 2 metros de diámetro, y se había fabricado con fibras de carbono oscuras y un poco brillantes. Pero ¿sigue teniendo ese aspecto? ¿Cómo reconocerla? El Laboratorio de Grafismo de la EPFL trabaja en una base de datos de imágenes del objetivo recreadas a partir de imágenes de satélite hiperespectrales.

“Estas imágenes sintéticas se basan en muestras de materiales del mundo real de paneles de aluminio y fibra de carbono, conseguidas utilizando el goniofotómetro de nuestro laboratorio. Este es un gran dispositivo robótico que gira alrededor de una muestra de prueba para iluminarlo y observarlo simultáneamente desde muchas direcciones diferentes, proporcionándonos una gran cantidad de información sobre la apariencia del material", explica Wenzel Jakob, jefe del laboratorio. Es la única manera de poder ayudar a la IA a reconocer la “chatarra tecnológica” que debe recuperar.